机器翻译技术原理与实现

教程导读：把"机器翻译"看成一间双语文档校对间

把你想象成一位坐在双语文档校对间里的译审。桌上摊着一份左右分栏的稿子：左边是英文原句，右边是机器翻出的中文。你的工作不是逐字重译，而是盯着这两栏——看它们对得上对不上、哪一处漏译了、哪一处读起来别扭、哪一处明明是同一个意思却用了完全不同的词。这份教程，就是带你从"看懂两栏对不上"开始，一路走到"知道机器是怎么把左栏变成右栏的，以及怎样让它变得更像人翻的"。

大多数讲机器翻译的教程上来就扔出"编码器""注意力""BLEU"一堆词。这本不这么走。我们始终站在这间校对间里，用译审的眼光去看每一项技术：分词，是给左栏标出一个个可下手的最小单元；对齐，是找两边哪几个词互相对应；注意力，是让机器在翻每一个词时学会回头看左栏哪一点；评测，就是给右栏译文打分定级。技术名词在这里都有了一个"它到底帮我多看懂两栏之间关系"的落脚点。

这间校对间能收获什么

读完这一册，你会得到一条完整的链：一个目标语言句子是怎么从源语言句子那边"长"出来的，以及沿途每一步都可以在哪儿换更好的做法。具体说，你能做到：

• 说清机器翻译的三代路线（规则、统计、神经网络）各自为什么出现、又各自死在/强在哪。
• 亲手从一对句子里定位典型的翻译误差：漏译、错位、不通顺、术语不一致，并判断它卡在链条哪一环。
• 看懂编码器—解码器把一句话"压进去"又"放出来"的流程，理解注意力机制为什么能解决长句信息丢失。
• 对比规则、统计、神经网络三种范式的能力边界，知道什么时候别指望机器翻译。
• 讲出 BLEU 等自动评测指标的原理与致命短板，以及它们和人工评测为何必须配合。
• 面对一个真实项目时，能按语料、工具、框架、部署的次序做出选择。

全册知识地图

下图标出了六章之间的依赖关系。第一层是"看懂问题"，第二层是"准备料"，中间三层是"换做法、调机器、看效果"，最后收在"交付出去"。前两章打底，三四章是主干，五六章是收尾，不建议跳读第一阶段。

图：本册六章学习依赖地图

建议的读法

前两章可以连着读，当作进入"机器怎么翻"之前的固定动作。到了第三章，如果你对统计机器翻译里的数学细节没兴趣，跳过 GIZA 对齐的计算只记结论也不影响后文——四五六章不依赖它。真正必须扎实的，是第四章的编解码与注意力，它是后面所有谈质量、谈部署的根。第五六章偏工程，建议配合真实工具顺手试一次，比干看有效得多。

关于写作方式的约定

整册保持同一个视角：每次讨论一个技术点，都先问一句"这在校对间里能解决什么看得见的毛病"。因此你会看到大量"两栏对照"式的讲法，也会看到对"机器到底翻错了哪五个地方"的拆解。请带着这份"找茬"的心态读，效果会好得多。每个技术之后，我们都会把它放回一条源句＋目标句的样例里验证，而不只是背名词。

如果读到这里你还觉得"机器翻译离我日常很远"，那不妨现在就打开任意一个在线翻译，翻一句带歧义的长句——比如前文提到的银行、堤岸混用的那句——然后自问：它错在词义、结构还是不够地道？你能把这条错译归到下面六章里某章的头上，这本导读的使命就已经完成了一半。另一半，留给正文里的每一次"回头看源句"。